基于OpenCV的ARM嵌入式车牌识别系统的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题的研究意义 | 第8-9页 |
| 1.2 国外研究现状 | 第9-10页 |
| 1.3 国内研究现状 | 第10-11页 |
| 1.4 本论文的主要研究内容 | 第11-13页 |
| 第2章 车牌图像预处理方法 | 第13-22页 |
| 2.1 OPENCV开源库介绍 | 第13页 |
| 2.2 图像预处理流程及基本操作 | 第13-14页 |
| 2.3 图像的灰度化 | 第14-15页 |
| 2.4 图像的二值化 | 第15-16页 |
| 2.5 图像的滤波 | 第16-18页 |
| 2.6 车牌区域的定位获取 | 第18-21页 |
| 2.7 定位测试结果及分析 | 第21-22页 |
| 第3章 车牌字符的分割方法 | 第22-31页 |
| 3.1 图像分割的基本概念 | 第22页 |
| 3.2 车牌的倾斜校正 | 第22-24页 |
| 3.2.1 霍夫变换法 | 第22-24页 |
| 3.2.2 RADON变换法 | 第24页 |
| 3.3 字符的分割方法 | 第24-27页 |
| 3.4 字符的归一化 | 第27-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 车牌字符特征提取及识别 | 第31-41页 |
| 4.1 国内的车牌结构 | 第31页 |
| 4.2 字符的特征提取 | 第31-35页 |
| 4.2.1 基于像素网格特征值提取 | 第32-33页 |
| 4.2.2 基于像素统计的特征值提取 | 第33-35页 |
| 4.3 基于神经网络的字符识别技术 | 第35-36页 |
| 4.4 神经网络识别训练 | 第36-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 基于ARM嵌入式平台移植 | 第41-59页 |
| 5.1 基于ARM平台的嵌入式系统 | 第41-45页 |
| 5.1.1 ARM嵌入式硬件平台 | 第41-43页 |
| 5.1.2 Linux内核简介 | 第43-44页 |
| 5.1.3 Linux内核的编译 | 第44-45页 |
| 5.2 U-BOOT的移植 | 第45-48页 |
| 5.3 交叉编译工具的建立 | 第48页 |
| 5.4 QT EMBEDDED的安装 | 第48-50页 |
| 5.5 OPENCV的编译与安装 | 第50-53页 |
| 5.6 程序部分代码解析 | 第53-58页 |
| 5.7 本章小结 | 第58-59页 |
| 第6章 论文总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间取得的学术成果 | 第64-65页 |
| 致谢 | 第65页 |
